- 中文亂碼處理
import requests
url = "http://www.baidu.com"
r = requests.get(url)
# 自動(dòng)選擇合適的編碼方式
r.encoding = r.apparent_encoding
print(r.text)
中文亂碼顯示正常了?。?/p>
有時(shí)候，我們還會(huì)遇到通過(guò)這個(gè)操作后無(wú)法解決的情況，比如新浪首頁(yè)的表現(xiàn)：
出現(xiàn)這種情況，據(jù)說(shuō)是使用gzip將網(wǎng)頁(yè)壓縮了，必須先對(duì)其解碼，使用r.content會(huì)自動(dòng)解碼：
import requests
url = "http://www.sina.com.cn/"
r = requests.get(url)
# 指定編碼解碼方式
html = r.content.decode('UTF-8')
# r.encoding = 'utf-8'
其實(shí)吧，處理的方式有很多，大家注意一點(diǎn)，那就是看請(qǐng)求的html數(shù)據(jù)中最前面對(duì)的charset設(shè)置的是啥！！
- html實(shí)體編碼解析
In [1]: s = '目前玩的挺好的，就……<br>給四星是因?yàn)闉槭裁床皇峭粋€(gè)服的就不能進(jìn)社團(tuán)??????????????????????????????????????'
#可以看到，有個(gè)'…'，這玩意是html實(shí)體表示省略號(hào)'...'，因此需要進(jìn)行處理！
In [2]: import html
In [3]: html.unescape(s)
Out[3]: '目前玩的挺好的，就……<br>給四星是因?yàn)闉槭裁床皇峭粋€(gè)服的就不能進(jìn)社團(tuán)??????????????????????????????????????'
